Hur bevisar man AI-avkastning när avkastningen bara är 1 %?

De flesta företag försöker fortfarande komma fram till vad en AI-agent faktiskt bör göra. JLL har kommit långt förbi den frågan. Med agenter som arbetar inom fastighetsförvaltning, varumärkeskommunikation och företagsfunktioner lär sig företaget att de svåraste problemen inte nödvändigtvis är tekniska – de handlar om att bevisa värde, bygga förtroende och se till att AI löser ett faktiskt affärsproblem i stället för att bli ännu ett dyrt företagsvetenskapligt experiment.

Det här samtalet mellan programledaren David Rice och Carlin Power, global VP för AI och plattformsteknik på JLL, spelades in under AI4-konferensen i Las Vegas – med en del av det oundvikliga bakgrundsljudet från konferensgolvet. De utforskar vad som faktiskt krävs för att implementera AI i stor skala. De diskuterar varför ROI måste finnas i resultaträkningen, hur decentraliserad AI-utveckling kan påskynda användbar innovation och varför det kan vara helt fel slutsats att dra från AI att roller på nybörjarnivå bör tas bort i effektivitetens namn.

Det här får du lära dig

  • Varför framgångsrika AI-agenter behöver kopplas direkt till mätbara affärsresultat
  • Hur en stark grund för företagsdata möjliggör decentraliserad AI-utveckling
  • Varför AI-kompetens kräver mer än att helt enkelt ge medarbetare tillgång till verktyg
  • Hur förstärkning kan höja förväntningarna på talanger i början av karriären i stället för att eliminera deras roller
  • Varför ledarskapets beteende och incitament spelar roll när man vill driva verklig AI-användning
  • Hur organisationer utan agenter i produktion kan börja i liten skala utan att fastna i ett permanent pilotläge

Viktigaste slutsatserna

  • Placera AI i affärsproblemet, inte bredvid det. Att fråga efter ROI för ”AI” isolerat är ofta fel utgångspunkt. JLL för tillbaka frågan till resultaträkningen: om en affärsenhet behöver öka genomströmningen, förbättra kundresultaten, öka intäkterna eller utöka sin andel av kundens totala inköp, vilken roll kan AI spela för att nå det målet? Annars har du den välbekanta hammaren som vandrar runt i korridorerna och letar efter en spik.
  • Behandla agenter som investeringar med krav på resultat. JLL utvärderar om agenterna levererar de fördelar de byggdes för att skapa och använder återkommande samtal om vad som ska stoppas, startas eller fortsätta för att avgöra om ytterligare investeringar är meningsfulla. En agent bör inte få frikort bara för att alla just nu känner sig tvungna att placera ”AI” någonstans i strategipresentationen.
  • Blanda inte ihop automatisering med strategi för arbetsstyrkan. Power menar att avskaffandet av talanger i början av karriären är ett tecken på en omogen AI-strategi. JLL:s praktikanter använder AI för att ta sig an avancerade projekt på en nivå som enligt henne kan likna den hos medarbetare som har flera år i arbetslivet bakom sig. Möjligheten handlar inte nödvändigtvis om färre juniora medarbetare, utan om radikalt högre förväntningar på vad juniora medarbetare kan bidra med.
  • Kompetens måste byggas, inte deklareras. JLL investerade i specialister på att möjliggöra användning, utbildning, ambassadörsprogram och rollspecifik utbildning i ett företag som är verksamt i 80 länder. Medarbetarna lärde sig både vad tekniken kunde göra och var de fortfarande behövde ”lita på men verifiera”. Tillgång till ett verktyg är inte samma sak som att veta hur det ska användas ansvarsfullt.
  • Börja tillräckligt avgränsat för att lära dig något användbart. För ledare som börjar med noll agenter rekommenderar Power att man samlar tekniskt kunniga ämnesexperter och identifierar ett litet antal användningsområden där själva experimenterandet kan skapa positiv ROI. Bygg evidens, skala upp det som fungerar och återinvestera avkastningen i stället för att försöka omvandla hela organisationen från dag ett.
  • Ledare behöver själva använda verktygen. JLL kombinerade innovation underifrån med förebildligt ledarskap uppifrån, inklusive KPI:er för AI-kompetens, införande och användning. Medarbetare kommer sannolikt inte att experimentera med tillförsikt om ledningen behandlar AI som något som alla andra bör ägna sig åt.

Kapitel

  • 00:00 — Vad de andra 97 procenten kommer att lära sig
  • 02:08 — Att flytta AI-agenter till produktion
  • 05:40 — Problemet med AI:s ROI
  • 07:48 — Att placera AI i resultaträkningen
  • 09:26 — Att bygga agenter som håller över tid
  • 10:43 — Att skala decentraliserad AI
  • 13:37 — AI och arbete på nybörjarnivå
  • 17:09 — Att tänka om kring talanger i början av karriären
  • 19:00 — Att bygga AI-kompetens i stor skala
  • 21:12 — Dina första tre månader med AI-agenter
  • 24:41 — Avslutande tankar

Möt vår gäst

Carlin Power är global vice vd för AI och plattformsteknik på JLL, där hon hjälper till att driva införandet av AI och teknisk omvandling inom hela den globala organisationen för kommersiella fastigheter. Med en bakgrund inom kommersiella fastigheter, produktledning, analys, tekniskt införande och medarbetarutveckling fokuserar hon på att omvandla nya AI-funktioner till praktiska verktyg och arbetsflöden som förbättrar hur människor arbetar. Carlin är en passionerad förespråkare för en människocentrerad AI-omvandling och betonar utbildning, ansvarsfullt införande och mätbara affärsresultat, samtidigt som hon hjälper medarbetare att bygga upp de färdigheter och det självförtroende som krävs för att trivas på en arbetsplats med AI-stöd.

You may also like